文 | 青橙财经
100000000000000。
100 万亿，1 后面跟着 14 个 0。这无疑是个天文数字，但可能还不到国人每天 Token 消耗量的一半。
2026 年上半年，从中关村到硅谷，大厂茶水间里最热的话题变成了一句：" 你今天烧了多少？" 几十万、几百万、几千万？旁边桌吃饭的骑手听见了，大概率以为这哥们在吹牛，或者脑子有毛病。其实没扯谎，他们聊的不是人民币，是 Token。
Token 和真金白银之间虽然隔着数量级，但架不住后面的 0 涨得太凶。据报道，国外一家企业给员工批量开通 Anthropic 的 Claude 企业授权时忘了设消费上限，一个月后账单出来—— 5 亿美元，约合人民币 34 亿元。
国内近期有个案例是米哈游，《崩坏》系列技术团队负责人郑银河在 2026 年 5 月阿里云峰会上自曝：一名工程师测试多 Agent 协作时没设置熔断，数十个智能体陷入循环调用，13 小时烧掉 200 万元 Token 账单。
账单炸了，但问起 AI 带来了什么实际效益？多数人可能会面露尴尬。米哈游工程师烧掉的 200 万元，足够支付一个小型研发团队整月的薪资，最终换来了的却只是一整夜毫无产出的 "AI 摸鱼 "。
或许，企业里只有 HR 完成了裁员 KPI，老板转头把省下的人力成本又砸去建 AI、买 Token。
单位价值稀释，消耗规模指数膨胀，投入与产出错位—— Token 作为 AI 时代的硬通货，正呈现出典型的通胀特征。而且其通胀程度，可能比津巴布韦人民扛一麻袋钱买大米还要疯。
那么，到底是谁在为 "Token 通胀 " 推波助澜？
「从极大化使用，到限量使用」
2026 年上半年，硅谷刮起一股名为 "Tokenmaxxing"（极大化 Token 使用量）的风潮。大厂们主动鼓励员工尽可能多地消耗 Token，甚至将 Token 消耗量与 KPI 直接挂钩。
Meta 内部上线了追踪 8.5 万名员工 Token 消耗的排行榜，给排名靠前的员工授予 "Token 传说 "" 缓存大师 " 等称号；亚马逊推出内部 AI 使用榜单 "KiroRank"，将消耗数据纳入团队考评。
英伟达 CEO 黄仁勋的言论更火上浇油：" 如果我的工程师消耗的 Token 价值达不到他们年薪的一半，我会深感忧虑。"
国内厂商迅速跟进。腾讯在 2026 年 3 月推出全员 AI 激励计划，为员工提供每人年均 22 万元的 Token 资源，覆盖 Cursor、CodeBuddy 等多款国内外工具，内部也一度出现 Token 消耗排行榜。
于是，不出意外的，它们的 AI 账单，都失控了。
短短 30 天，Meta 员工消耗了 60.2 万亿 token，成本超 1 亿美元；Uber 仅用 4 个月就耗尽了 2026 年全年的 AI 预算，管理层不得不紧急出台限额令，每位员工每月 AI 工具费用不得超过 1500 美元；亚马逊也开始推行严格的 Token 限额管理，高级副总裁 Dave Treadwell 甚至亲自下场喊话 " 别为了用 AI 而用 AI"。
就在上个月，腾讯内部也下发额度调整通知：全员 Token 配额大幅缩水，核心研发团队月额度从宽松状态收紧至 7000 元，外包岗位更是砍到 1000 元。
从全员敞开用，到限额使用，短短三个月，画风突变。究其原因，无非是飞起的账单让财大气粗的大厂们都头皮发麻。
正如 OpenAI CEO 山姆 · 奥特曼近日在一个企业客户活动上所说：" 今年年初，AI 运行成本还是一个从未被提起的问题，现在突然变成了一个巨大的问题。"
这背后是需求的爆炸式增长。国家数据局数据显示，2026 年 3 月中国日均 Token 调用量已突破 140 万亿，而 2024 年初仅为 1000 亿，两年增长超千倍。
而从全球范围来看，这个增长趋势还未看到放缓的苗头。高盛近期发布的报告，预计到 2030 年，全球 Token 月消耗量将比 2026 年增长 24 倍，达到约 120 千万亿（120 quadrillion）个 Token/ 月，其中企业级智能体是核心增长动力。
Token 账单失控还带来一个副作用。为了填平 AI 的成本窟窿，今年一季度，海外十几家科技巨头裁员超 4 万人，程序员首当其冲；而在国内，"630" 成了不少互联网人共同的 Last Day。
在 Meta，已经几乎没有人手写代码；在国内头部大厂，新增代码中最高 90% 由 AI 生成。AI 代码率的飙升，直接导致了人员需求的下跌，以及随之而来的职场震荡。
「Token 账单暴涨之谜」
账单费用 = 用量 X 价格。这道简单的公式背后，藏着两层不那么透明的推高逻辑，最终叠加形成了指数级的成本膨胀。
很多人有个错觉：大模型价格一直在降，AI 不是越来越便宜吗？实际上，这只说对了一半——便宜的永远是通用轻量模型，而企业真正刚需的编程、长上下文、复杂推理等高价值场景，价格非但没降，反而在逆势上涨。
Anthropic 推出的安全增强版模型 Fable 5，定价达到每百万 Token 输入 10 美元、输出 50 美元，是同期 Opus 系列的两倍。
国内的智谱 AI 也是一个典型样本。据天眼查，2026 年一季度，智谱伴随新模型迭代连续三次上调核心 API 价格，累计涨幅达 83%；其面向通用场景的 GLM-4.7 轻量模型，输入价格仅 2-4 元 / 百万 Token，输出 8-16 元；但对准编程与 Agent 场景的 GLM-5.2，输入价格涨到 8 元，输出高达 28 元，两者价差最高达 4 倍。
此外，腾讯云在 2026 年 3-4 月经历两轮调价，混元 HY 2.0 Instruct 模型输入价格涨幅高达 463%；MiniMax 核心模型价格也有 30%-50% 的上调。
与此同时，模型厂商的计费模式从订阅制全面转向按量付费，厂商的收入直接和 Token 消耗量挂钩。这就形成了一个结构性矛盾：客户的目标是用最少的 Token 完成任务，而厂商的商业利益天然倾向于让客户消耗更多 Token。
而从实际数据来看，近来 Token 消耗量的增长不是线性的，而是指数级的。
2025 年底至今，AI 产业最核心的变化，是从对话式 AI 向智能体 Agent 跃迁。AI 不再是一问一答的线性交互，而是自主规划、循环调用、多轮纠错的复杂流程，Token 消耗也随之从线性增长变成指数膨胀。
Agent 虽然能力强大，但据腾讯研究院分析，它其实隐藏着几类典型的低效消耗：
一是上下文陷阱，智能体每一步操作都会重复带入历史对话、工具日志和文件内容，同一批信息被反复计费；
二是技能 Skill 冗余，对 49 个软件工程技能的基准测试显示，79.6% 的技能对任务通过率没有任何提升，却最高带来 451% 的 Token 开销增长；
三是多 Agent 的 " 沟通税 "，多个智能体分工协作时，会不断重复任务背景、结论和格式化套话，每一次对话都是一次重复计费；
四是长任务的 " 熵增 "，任务链条越长越容易跑偏，而为了纠偏又要增加摘要、检查、回滚机制，进一步推高消耗。
这些损耗不是简单的加和，而是互相叠加的乘积效应。一个复杂的多 Agent 任务，可能有近一半的 Token 花在了内部协调、自我纠偏和重复读取上，真正用于生成有效内容的比例并不高。对缺乏技术能力的普通企业而言，这更是一笔看不清、算不明的糊涂账。
「踏空的恐惧」
如果说大模型厂商的产品和定价策略是外部的 " 阳谋 "，那么企业内部的 Token 消费，则是一场自上而下的 " 自我掏空 "。
担心踏空 AI 变革的浪潮，企业纷纷拼命拥抱 AI。这种压力自然会传导到每个员工身上，尤其在 AI 替代裁员的阴影下，员工普遍把 " 会用 AI、多用 AI" 当成安全感来源。
不少公司把 AI 代码率、工具使用时长写进了 OKR，甚至上线全员可见的数据看板，倒逼每个人刷消耗。简单的邮件回复、基础代码片段、常规数据查询，明明用搜索引擎或人脑几秒就能解决，也要交给大模型跑一遍——反正预算不是自己掏，用得越多越显得 " 拥抱变革 "。
企业这般将 Token 消耗量与员工绩效挂钩，默认 " 用了多少 AI" 等同于 " 创造了多少价值 "，并愿意为此支付高额账单。
有人说，这是历史规律。历史上每一次通用技术革命，都走过相似的路径。蒸汽机刚发明时，工厂主算完账发现还不如用马匹便宜；电灯刚商用时，成本远高于煤气灯。
但不同的是，电力消耗产出的是实实在在、可衡量的工厂效益，但 Token 换来的 " 智能 "，到底创造了多少价值？答案是，目前还难以量化。
据晚点 LatePost 报道，一位互联网大厂技术管理者坦言，自己部门 20 多个人，一个月消耗 5 万元 Token，回头看却没沉淀出几个可落地的成果。这笔钱相当于 10 名实习生的月薪，化作无形的 Token 之后，连清晰的产出物都没有。
企业往往认为用 AI 替代人工是节省了成本。但反常识的是，大量基础场景里，用 AI 反而比人工更贵。
国内某人力资源服务商做过测算：用 AI 筛选并初评一份简历，Token 加系统成本约 1.2 元 / 份，而雇佣兼职人事处理的成本仅 0.8 元 / 份。类似的情况在数据标注、基础文案撰写、简单客服问答中普遍存在。
AI 还有更隐蔽的成本。有软件公司的研发负责人反馈，引入 AI 编程工具后，初级开发的效率看似提升了，但高级工程师的评审工作量翻倍，线上故障的返工成本增加了 30% 以上，算总账反而不划算，而且，人反而更累了。
这正是 Token 经济最核心的矛盾：Token 消耗与价值创造之间，从来不是线性关系。不是消耗的 Token 越多，产出的价值就越大；相反，很多时候消耗的增长恰恰来自无效的循环、冗余的架构和盲目的焦虑。
「写在最后」
回到最初的问题，谁在推动 "Token 通货膨胀 "？不是某一家 AI 厂商的恶意营销，也不是某几个员工的滥用浪费，而是在座的所有人。
从卖 GPU 卖存储的底层算力基础设施，到大模型架构的天然膨胀属性；从每一个怕踏空 AI 而焦虑的企业，直至每一位担心落伍的员工——所有人，共同推高了 Token 的消耗，推动了 Token 的贬值，也推高了那本越来越厚的 AI 账单。
每个人都助推了 Token 的通胀。而每个人又在自己的推力下被拉得踉踉跄跄。
